观察|2021年,这些科技梦想或将成真
德国《法兰克福汇报》刊载的题为《迈向新境界——量子计算机、纳米抗体、新逻辑:2021年将带来哪些技术突破?》的文章,预测了2021年或将梦想成真的几个科技领域:行为互联网、探知宇宙更深处、竞速无人机普及、纳米抗体对抗病毒、“哲学新逻辑”问世、争夺量子位、从少量数据中学习。
行为互联网
处理器通常被解释和描述为计算机的运算大脑。因此,如果现在数十亿台计算机通过网络相互连接,人们或许可以将这种网络视为一种类似于大型人工神经系统的东西。就像自然界里的一个器官系统一样,它能吸收、比较和应对外部发展和内部变化。
现在,在本就喜欢用“高大上”词汇的科技行业,以自信著称的美国高德纳咨询公司的专家们又推出一个概念:行为互联网。英国物理学家斯蒂芬·沃尔弗拉姆2009年推出的“计算机知识引擎”勾勒出了它的技术基本特征。苹果的Siri和微软的必应等应用均以此为基础。
2021年可能是行为互联网的一年,毕竟这种网络源于所谓的物联网,即机器间相互沟通的网络。它们使用的人工语言虽然是人类设计的,但今天大多数人已根本不再理解这些语言。因此,从某种意义上说,这些机器完全自成一体。不仅如此,它们还具备技术能力,能够从不断变化的环境中得出自己的结论,并根据这些结论进行(指导性)决策。
在亚马逊网站下过几次订单、看过亚马逊算法给出推荐的人,都知道这些建议有多智能。因此,机器可以通过分析数据塑造其他机器的行为,进而影响消费者的行为。面对由此最终衍生出的系统,传统的自然思维者需要强健的神经予以应对。
探知宇宙更深处
毫不夸张地说,詹姆斯·韦伯太空望远镜就是太空望远镜界的“烂尾工程”。
早在上世纪90年代,美国航空航天局就开始了该项目最初的研发工作。韦伯太空望远镜将成为哈勃太空望远镜的继任者。韦伯太空望远镜原计划耗资5亿美元(1美元约合6.5元人民币——本网注),计划发射时间是2007年。但由于各种延误和意外,发射日期被一拖再拖,目前耗资已超过100亿美元。
现在似乎可以肯定的是,今年10月,韦伯太空望远镜最终将在法属圭亚那的库鲁航天中心由阿丽亚娜5型火箭送入近地空间。科学家们对此充满期待。多年来,在他们发表的大量文章中,结语都表达了对获得进一步认知太空的期望,而这种认知只有通过韦伯太空望远镜才可能实现。
这架望远镜的口径达6.5米,而哈勃太空望远镜的口径仅为2.4米。这意味着高灵敏度的韦伯太空望远镜将有7倍于哈勃太空望远镜的面积用于收集电磁辐射。此外,与前任相比,韦伯太空望远镜能在直至中红外波段的更长波长上工作,这将使该望远镜能够观测到更久以前的宇宙。如此一来,最年轻的星系、最初的恒星以及对外星生命痕迹的探寻都将被列入研究议程。
竞速无人机普及
今年,无人机飞行将有所不同:对雄心勃勃的业余爱好者来说,竞速无人机将变得可控和可购买。
人们可以通过无人机眼花缭乱的自由式飞行动作制作极其炫酷的视频,而非电影式的风景视频。站在地面上的飞行员可通过视频眼镜实时观看第一视角下竞速无人机拍摄的视频图像,几乎没有延迟。飞行员不再像以往那样看着手机屏幕,而是从无人机的视角体验飞行,就像飞鸟一样。这一切已经成为现实,但只适用于能将无人机、视频眼镜和运动摄像头融为一体的组装者和专业人士。
不过,这一技术的应用正在大众化,视频眼镜、摄像头、遥控器和无人机可以一站式购齐。新型第一视角无人机的速度远快于传统型号,其电池使用时间也可达20分钟以上。今年还会出现使用手部动作而不再是操纵杆的新遥控方式。为配合视频眼镜的使用,飞行员还需要一名“观测手”,后者负责观察无人机飞行并向佩戴视频眼镜的飞行员发出潜在危险的警告。
这背后还有一点:如果说虚拟现实眼镜一直未能获得普遍接受,现在随着新型第一视角无人机的出现,虚拟现实眼镜可能迎来真正的春天。
纳米抗体对抗病毒
如果在信使核糖核酸疫苗取得历史性成功后,最终也在治疗上实现期待已久的突破,那么人们最终将如何看待这场对抗新冠病毒的苦战呢?
理想的情况是研发一种针对病毒量身定做的低成本药物,载体可以是鼻喷剂或糖衣药片,这种药物能像精密制导武器一样瞄准病毒最脆弱的部位。如今,这样的制药奇迹不再是幻想,而是一个有望在今年实现的真实选项——“纳米抗体”。
在新冠病毒研究中,传统的所谓单克隆抗体已经取得相当大的成功。但人类抗体每次注射要花费数万欧元,生产成本高,且在动物细胞中繁殖的抗体产量很低。相比之下,纳米抗体——即人类抗体的一种迷你版——则更稳定、更广泛、更易得。更重要的是,它们可以在酵母或细菌生物反应器中被大量生产。
20世纪80年代末,人们在羊驼和骆驼的血清中首次发现这种迷你抗体。目前,它们已能被人工合成,甚至被设想用于洗发水(治疗皮肤病)。长期以来,这种抗体的有效性一直有待提高。随着新冠药物研发大规模升级,现已开发出生物技术纳米抗体,有望很快在人体临床试验中被证明是一种全新的抗病毒物质类别。
“哲学新逻辑”问世
或许只有当我们不再只是思考、设计和讨论,而是同时使用和体验这种逻辑时,我们才能找到适合描述它的词汇。
争夺量子位
从少量数据中学习
人工智能领域的最新成果令人印象深刻且影响深远。为在这场竞争中立于不败之地,全球的企业和政府都在大举投资——这将带来经济、政治、军事和社会影响。
到目前为止,一个重要的成功秘诀在于不断增加投入:更高的计算能力、更多的员工、更多的数据。计算机已经学会并在继续借助大量例子学习识别物体,将词句从一种语言翻译成另一种语言,或合理地回答问题。人工神经元网络之所以能如此有效地运转,是因为它们可以获得广泛训练。
现在,一个从多方面看都令人兴奋的人工智能研究领域,正尝试开发使用更少数据的方法,即用“小数据”代替“大数据”。该领域被称为“少样本学习”。例如在德国,人工智能专家马蒂亚斯·贝特格就在研究这一领域。该领域的进展可使计算机的能力更加接近人脑,因为人类通常不是从大量例子中学习的。
对很多行业而言,人工智能能否取得商业突破取决于程序能否基于较少的样本学习变得像人类一样胜任某项工作。